微软最新推出的AI医疗诊断系统MAI-DxO，在复杂病例的诊断上取得了突破性进展。该系统不仅将诊断准确率提升至人类医生的四倍，还成功将医疗成本削减了近70%。这一革命性的表现得益于一项全新的基准测试，即顺序诊断基准（SDBench），它模拟了临床医生的实际诊断流程。
在《利用语言模型进行顺序诊断》的论文中，研究团队深入阐述了MAI-DxO的设计理念及其卓越表现。面对极具挑战性的病例，该系统在准确性和成本效益方面均大幅超越了人类医生。为了验证其实际效果，团队精心设计了SDBench，它不同于传统的医学AI测试，而是采用逐步提供信息的方式，模拟真实的临床决策过程。
测试结果显示，来自美国和英国的21名经验丰富的全科医生，其诊断准确率仅为19.9%，平均每个病例的费用高达2963美元。相比之下，结合了OpenAI的o3模型的MAI-DxO系统，诊断准确率高达79.9%，而平均成本仅为2397美元。值得注意的是，尽管o3模型在标准测试中达到了78.6%的最高准确率，但其平均费用却高达7850美元。而MAI-DxO系统在提升准确率的同时，成功将成本降低了近70%。
MAI-DxO系统的出色表现部分归功于其独特的虚拟医生团队设计。该团队由多个角色组成，包括“假设医生”、“测试选择医生”、“质疑医生”、“成本监控医生”和“检查清单医生”。这种多元化的结构设计旨在避免系统过早地陷入某一固定假设，从而提高诊断的准确性和全面性。
然而，研究团队也坦诚地指出了该系统存在的局限性。首先，SDBench的测试案例均基于复杂的教学病例，未能全面反映日常诊疗中常见病症的分布情况。其次，成本计算仅为粗略估算，未考虑现实世界中多种复杂因素的影响。参与测试的医生均为全科医生，在面对复杂病例时通常会转介给专科医生，且测试过程中未允许他们利用外部资源。
